水下机器人EKF_SLAM算法-visionouc-中国海洋大学
动态不确定环境下水下机器人在线实时路径规划
动态不确定环境下水下机器人在线实时路径规划
高云;殷波;魏志强;宫飞翔;纪筱鹏
【期刊名称】《中国海洋大学学报（自然科学版）》
【年(卷),期】2013(043)012
【摘要】水下环境中海流变化复杂,许多障碍物处于运动当中,路径规划成为水下机器人的1个难题.本文提出1种基于导航代价的水下机器人路径规划方法,采用几何方法证明机器人航向角与导航距离以及海流影响力之间的关系,使得代价函数的计算简化到航向角和海流角度之间的加减运算,大大减少了计算量.在路径规划的过程中采用分段规划的策略,即保证了航向角的稳定性,又保证了实时性.
【总页数】5页(P106-110)
【作者】高云;殷波;魏志强;宫飞翔;纪筱鹏
【作者单位】中国海洋大学信息科学与工程学院,山东青岛266100;中国海洋大学信息科学与工程学院,山东青岛266100;中国海洋大学信息科学与工程学院,山东青岛266100;中国海洋大学信息科学与工程学院,山东青岛266100;中国海洋大学信息科学与工程学院,山东青岛266100
【正文语种】中文
【中图分类】TP242.6
【相关文献】
1.动态不确定环境下一种移动机器人路径规划方法 [J], 王帅
2.一种动态不确定环境下的机器人路径规划算法 [J], 武心安;孙尧;莫宏伟
3.一种动态不确定环境中机器人路径规划方法 [J], 肖国宝;严宣辉
4.动态不确定环境下移动机器人的在线实时路径规划 [J], 庄慧忠;李晗;陆震宇
5.基于PSO和滚动优化的不确定环境下移动机器人动态路径规划 [J], 蔡晓慧;李艳君;吴铁军
因版权原因，仅展示原文概要，查看原文内容请购买。
一种水下航行器的SLAM算法应用研究
第 ３期 （ 总第 １２期 ） ９
中
国
造
船
Ｖ １ １ Ｎｏ３ Ｓ ｒ ｌ ． ９ ） ｏ． 来自５ ． （ ｅｉ １ ２ ａＮｏ
Ｓｐ２ ０ ｅ ． ０１
２１ ０ ０年 ９ 月
Ｓ ＰＢＵＩ ＨＩ ＬＤＩ ＮＧ Ｈｎ Ａ ＯＦ Ｃ
文章编号：１０ ．８２（００ ０ —１２０ ０ ０４ ８ ２ １） ３０ ６ —７ ＇
推移，地图特征数 目增加 ，计算复杂度也随之增高；研究表明Ｌ 】 ２ ：算法 的复杂度为 ｏｎ） （ 为状态 － ４ （
向量 的个 数 ） 因此 ，在大 范 围非结构 环境下 ，Ｓ Ａ 。 Ｌ Ｍ算法 的研 究关键 在于 降低算 法 的复杂度 ，在不 影 响计算 精度 的前 提下 提高计 算 效率 。近年 来 ，很 多学者在 这方 面进 行 了大量 的研 究 ，具 有代表 性 的方
图 建 （Ｌ Ｍ） 创 ＳＡ 算法。作者设计 了 一种大规模水 下三维环境的 Ｓ Ａ 解决方案，建立 了三维环境 的航行器 ＬＭ 运动 、 传感器观测及重定位 系统模型 ，分析 了 方法实 时性和定位精度 。仿真实验证 明：用 Ｅ ＩＦ算法能高效 ＳＥ
地实现水 下环境 的 Ｓ ＡＭ，为项 目研 究提供 了理论基础。 Ｌ
一
种水下航 行器 的Ｓ Ａ Ｌ Ｍ算法应用研究
石 守东 ，康 丹 ，徐 斌斌
（．宁波大学信 息科学与工程 学院 ，宁波 ３ ５ １；２ １ １２ １ ．西北工业大学航海学院 ，西安 ７ ０ ７ １０２）
摘
要
研究精确稀疏 扩展信 息滤波 （ Ｓ Ｉ Ｅ ＥＦ）的快速 算法，提 出一种三维水 下航 行器 （ ＵＶ）的同时定位和地 Ａ
水 下航行 器 的 Ｓ ＡＭ 导航 系统配 置包 括 ：惯性测 量器件 Ｉ Ｌ ＭＵ、 电罗经 ，多普勒 测速 声纳（ ） ＤＶＳ、
基于视觉伺服的水下机器人导引技术
基于视觉伺服的水下机器人导引技术
寇邺郡;李想
【期刊名称】《兵器装备工程学报》
【年(卷),期】2024(45)5
【摘要】自主水下载具(AUV)需要通过停靠入站进行休眠、电池充电、传输数据等任务的需求。
AUV的导引技术对延长AUV的工作时长、扩大作业范围有重要意义。
在入站过程的最后阶段,AUV需要在容许范围内保持自身与对象物的相对位姿(包括位置和方向),进而完成对接。
因此,确保传感器单元和控制系统在真实的水下环境中对各种干扰具有高度精确性和鲁棒性至关重要。
针对此问题,提出了一种基于视觉伺服的AUV的导引技术。
首先,该技术通过模型匹配认识法确定机器人与指定标的物(对象物)之间的相对位姿来确定自己的方位。
其次,通过遗传算法(GA)以完成实时的位姿认识,抵消水流、图像采集干扰带来的视觉伺服干扰。
采用此方法的水下机器人控制系统分别在与东京大学合作的模拟深海水下无光环境实验,以及真实海洋环境中完成了实验验证。
实验结果证明,该系统具有对低照度、高浊度引起的图像劣化以及水流引起的控制干扰具备抗干扰性和鲁棒性。
【总页数】7页(P215-221)
【作者】寇邺郡;李想
【作者单位】珠海科技学院
【正文语种】中文
【中图分类】TP242.6
【相关文献】
1.基于视觉伺服的机器人定位识别技术研究
2.基于视觉伺服的仓储物流机器人自动定位技术
3.基于QR Code技术的家庭服务机器人视觉伺服抓取操作研究
4.基于虚拟现实技术的移动机器人视觉伺服控制系统设计
5.基于BP神经网络-模糊控制的机器人无标定视觉伺服技术
因版权原因，仅展示原文概要，查看原文内容请购买。
219470575_基于HCOPSO_算法的USV_舵向PID_控制参数整定方法
基于HCOPSO 算法的USV 舵向PID控制参数整定方法陈明志 1, 刘兰军1,2*, 陈家林 1,2, 杨 睿 1,2, 黎 明1,2(1. 中国海洋大学 工程学院, 山东 青岛, 266100; 2. 山东省海洋智能装备技术工程研究中心, 山东 青岛, 266100)摘 要: 高速无人艇(USV)舵向控制要求同时满足调节时间短、超调量小, 针对USV 舵向比例积分微分(PID)控制的参数整定需求, 将混合均值中心反向学习粒子群优化(HCOPSO)算法与PID 控制结合, 提出一种基于HCOPSO 算法的USV 舵向PID 控制器参数整定方法。
利用HCOPSO 对PID 控制器参数进行寻优, 有效解决寻优过程的局部最优解问题。
对比研究了粒子群(PSO)算法、线性惯性权重递减粒子群(LDIWPSO)算法、HCOPSO 算法的PID 控制器参数整定效果, 结果表明, HCOPSO 算法参数整定的USV 舵向PID 控制器具有更好的控制效果, 相比于PSO 、LDIWPSO, 调节时间分别缩短22%、15%, 超调量分别降低89%、74%, 迭代次数分别减少40%、30%。
基于研制的“久航750”USV 开展了海洋环境测试, 测试结果表明了文中设计方法应用于小型高速USV 舵向控制的有效性。
关键词: 无人艇; 比例积分微分控制; 粒子群优化; 舵向控制; 参数整定中图分类号: TJ630; U664.82 文献标识码: A 文章编号: 2096-3920(2023)03-0381-07DOI: 10.11993/j.issn.2096-3920.202112022Parameter Tuning Method for USV Rudder Steering PID ControlBased on HCOPSO AlgorithmCHEN Mingzhi 1, LIU Lanjun1,2*, CHEN Jialin 1,2, YANG Rui 1,2, LI Ming1,2(1. College of Engineering, Ocean University of China, Qingdao 266100, China; 2. Shandong Provincial Engineering Research Center for Marine Intelligent Equipment Technology, Qingdao 266100, China)Abstract: The rudder steering control of high-speed unmanned surface vessels(USVs) must simultaneously satisfy the requirements of a short adjustment time and small overshoot. To satisfy the parameter tuning requirements for rudder steering proportional integral derivative(PID) control of USVs, a parameter tuning method based on the hybrid mean center opposition-based learning particle swarm optimization(HCOPSO) algorithm was devised in this study. The HCOPSO algorithm was used to optimize the parameters of the PID controller, and this prevented the optimization process from becoming trapped in local optimal solutions. The PID controller parameter tuning effects of the particle swarm optimization(PSO), linear decreasing inertia weight particle swarm optimization(LDIWPSO), and HCOPSO algorithms were compared and studied. The results indicate that the USV rudder PID controller with the HCOPSO algorithm has the best control effect. Compared with those of PSO and LDIWPSO, the adjustment time is reduced by 22% and 15%, the overshoot is reduced by 89% and 74%, and the收稿日期: 2021-12-29; 修回日期: 2022-01-21.基金项目: 国家重点研发计划项目资助(2017YFC****203).作者简介: 陈明志(1996-), 男, 硕士, 主要研究方向为嵌入式技术与智能仪器、无人系统控制研究.* 通信作者简介: 刘兰军(1979-), 男, 博士, 副教授, 主要研究方向为嵌入式技术与智能仪器、海洋探测与观测技术、水声通信与网络技术.第 31 卷第 3 期水下无人系统学报Vol.31 N o.32023 年 6 月JOURNAL OF UNMANNED UNDERSEA SYSTEMS Jun. 2023[引用格式] 陈明志, 刘兰军, 陈家林, 等. 基于HCOPSO 算法的USV 舵向PID 控制参数整定方法[J]. 水下无人系统学报,2023, 31(3): 381-387.number of iterations is reduced by 40% and 30%, respectively. Using the developed Jiuhang 750 USV, a marine environment test was performed. The test results indicate that the proposed method is effective for the rudder steering control of small high-speed USVs.Keywords: unmanned surface vehicle; proportional integral derivative control; particle swarm optimization; rudder steering control; parameter tuning0 引言无人艇(unmanned surface vessel, USV)是一种利用自身携带的自动操控系统或无线遥控系统航行的一种无人化水面船舶, 是一种水面智能机器人, 可广泛用于水上测绘、消防和恶劣环境检测等,是未来水面环境下各种危险、重复、枯燥任务的主要承担者[1]。
海参捕捞机器人运动控制系统的仿真研究
现代电子技术Modern Electronics TechniqueJan. 2024Vol. 47 No. 22024年1月15日第47卷第2期0 引 言随着水下机器人技术的发展，海参捕捞机器人正逐步取代费时费力且危险性极高的人工捕捞作业[1]。
采用水下机器人进行海参捕捞，不仅解放了人力，还扩大了捕捞范围，提高了海参的捕获量。
为了保证海参捕捞机器人的作业时间，同时保证机器人通信的稳定性，一般将其设计为有缆水下机器人（ROV ）[2‐3]。
但是由于海底的作业环境恶劣多变和机器人的结构功能复杂，同时所捕捞的海参也会对机器人的运动造成干扰，导致机器人的运动控制难度增大，一旦控制精度降低，将会影响海参的捕捞效率，严重时还会导致机器人发生侧翻。
由此DOI ：10.16652/j.issn.1004‐373x.2024.02.027引用格式：葛安亮，陈浩，邵绪新，等.海参捕捞机器人运动控制系统的仿真研究[J].现代电子技术，2024，47（2）：147‐154.海参捕捞机器人运动控制系统的仿真研究葛安亮1， 陈 浩1， 邵绪新2， 李相坤1（1.中国海洋大学 工程训练中心， 山东 青岛 266100； 2.中国海洋大学 工程学院， 山东 青岛 266100）摘 要： 随着水下机器人技术的发展，海参捕捞机器人将逐渐取代费时费力的人工捕捞作业。
但是海参捕捞机器人的运动控制精度一直影响其运动稳定性和捕捞效率，一方面是由于海底的作业环境恶劣多变，机器人的结构功能复杂；另一方面是随着海参的累积，机器人的参数发生改变，原有控制模型的控制精度下降。
为提高海参捕捞机器人的运动控制精度，在综合考虑机器人各种载荷的基础上，还考虑了海参对机器人造成的干扰，建立更加全面的机器人动力学模型；并运用模型预测控制理论和非线性干扰观测器对机器人的运动过程进行模拟分析。
通过分别模拟机器人的定深下潜、运动姿态保持、路径跟踪和载重上升运动过程，定量分析机器人的运动控制精度，最后构建一个系统全面且精度较高的海参捕捞机器人运动控制系统。
水下机器人EKF_SLAM算法
天津大学
2 国内外研究现状
2.1.2 国内研究现状
中国海洋大学
C-Ranger-1
C-Ranger-2 （神龙号）
旗鱼-2
3 SLAM介绍
解决
实时定位与地图构建 算法（SLAM算法）
SLAM问题：关于机器 人定位与地图建模问题
EKF-SLAM
iSAM
UKF-SLAM
…
SEIF
用扩展卡尔曼滤波理 论来解决SLAM问题
3 SLAM介绍
3.1 SLAM（simultaneous localization and mapping）：
实时定位与地图构建，是实现真正全自主移动机器 人的关键。
SLAM问题
机器人在未知环境中从一个未知位置 开始移动,在移动过程中根据位置估计和 已建立的地图进行自身定位,同时在自身 定位的基础上建造增量式地图
3 SLAM介绍
3.2 SLAM部分应用
谷歌无人车
火星探测机器人
石油勘探机器人
3 SLAM介绍
3.3 关系图
SPLAM
3 SLAM介绍
3.4 问题与难点： SLAM问题
1） 定位 2） 地图表示
相关问题
1） 环境特征的提取 2） 数据关联 3） 噪声的处理
3 SLAM介绍
3.5 SLAM模型
马航事件
2014年3月8日8时26分，中新社电：马来西亚航 空公司表示，一架载有239人的飞机失去联系。
“Bluefin-21”（蓝鳍金枪鱼）
世界上最先进的AUV
目录
1
水下机器人介绍
2
国内外研究现状
3
SLAM介绍
4
EKF介绍
5
视觉SLAM算法在水下环境中的应用与分析
对于移动机器人而言,其准确定位是执行高级任务的基础。
在陆地上,GPS 导航系统运用较为广泛,可以在一定程度上满足大部分移动机器人定位的需求。
然而当GPS 信号微弱或者不可用时,移动机器人需要寻求其它定位方式。
同时定位与建图(Simultaneous Localization and map⁃ping ,SLAM )技术融合安装在移动机器人上的多种传感器测量数据为机器人提供位姿估计。
根据传感器的使用,SLAM 可分为视觉SLAM 和激光SLAM 。
激光SLAM 算法使用激光测距传感器,如2016年谷歌提出的Cartographer [1],能够建立室内2D 地图。
视觉SLAM 主要依赖摄像头获取的图片数据。
其中摄像头可分为单目、双目和深度摄像头。
单目摄像头存在尺度不可观的问题,但是操作相对简单。
双目摄像头需要较为繁琐的标定和配准步骤,深度摄像头在室外会受到较大的影响。
目前视觉SLAM 方法可粗略分为特征点法和直接法两大类。
其中,特征点法以ORB-SLAM [2]为代表,直接法则以DSO [3]为代表。
特征点法需要对图片提取某种类型的特征点并计算描述子,根据这些描述子进行特征匹配,最终通过最小化重投影误差进行位姿优化。
特征匹配的精度对最终定位的精度影响较大。
直接法不用提取特征点和计算描述子,但是需要依赖像素梯度和灰度不变假设[4]。
在一些特征稀疏但是存在像素梯度的场景,特征点难以提取,然后直接法却可以工作。
灰度不变假设指从不同角度观察同一个物体,其灰度值不变。
然而当光照变化时,灰度不变假设将被破坏。
传统的水下定位方法包括航位推算和水声定位。
航位推算存在累积误差的问题,一般作为辅助定位。
水声定位分为长基线、短基线和超短基线,能够为水下机器人提供较高精度的定位,然而一般设备较为昂贵,且需要复杂的布置操作。
目前声呐在水下运用较为广泛。
相较于摄像头,声呐在浑浊的水下环境中仍然可以工作,但价格昂贵且分辨率较低。
人工免疫算法在水下机器人运动控制策略中的应用
人工免疫算法在水下机器人运动控制策略中的应用
李俊林
【期刊名称】《舰船科学技术》
【年(卷),期】2017()2X
【摘要】我国社会经济快速发展,各种智能化的机器人被应用在工业生产领域。
水下机器人的主控系统一般采用电机作为主要的推进动力,对螺旋桨的控制直接决定水下机器人的工作性能。
文中首先对螺旋桨的数学模型进行研究,然后结合螺旋桨的设计理论和相关特性,采用人工免疫算法对机器人的运动控制策略进行优化,最后采用Matlab仿真平台,对此算法的运动控制性能进行多方面的验证。
【总页数】3页(P192-194)
【关键词】机器人;运动控制;人工免疫算法
【作者】李俊林
【作者单位】河南工业贸易职业学院
【正文语种】中文
【中图分类】TP242;TP18
【相关文献】
1.水下机器人运动控制中的仿人智能控制策略 [J], 查智
2.改进的模拟退火算法在水下机器人S面运动控制参数优化中的应用 [J], 孙玉山;李岳明;张英浩;万磊
3.基于水下环境样品采集的水下机器人运动控制策略研究及其展望 [J], 刘金生
4.改进人工免疫算法在水下机器人运动控制中的应用研究 [J], 庞永杰;唐旭东
5.改进PSO算法在水下机器人S面运动控制参数整定中的应用 [J], 唐旭东;庞永杰;万磊
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
程序演示
1 水下机器人介绍
1.1 分类：
20世纪 50年代
世界许多国家开始研制多种不同结构 和功能的水下机器人。
至今
浮游
有缆遥控
爬行
水 下
ROV
拖拽 附着
机
无缆自治
预编程
器
AUV
智能
人
水下滑翔机
1 水下机器人介绍
1.2 定义 1）ROV（Remote Operated Vehicle）：
无人遥控潜水器，系统组成包括：动力推进器、遥控电子通讯装置、 黑白或彩色摄像头、摄像俯仰云台、实时在线显示单元、导航定位装置、 自动舵手导航单元等单元部件。
信度网模型
不可控马尔科夫模型
因子图模型
3 SLAM介绍
3.6 信度网模型
位姿向量 路标向量 控制向量 观测向量
所有变量和测量值的联合概率表示
M
K
P(X , L,U, Z)
P(x0) P
i 1
xi
xi1, ui
P(zk
k 1
xik , l
jk)
运动方程可以表示为：
xi f i (xi1, ui) wi
3 SLAM介绍
3.2 SLAM部分应用
谷歌无人车
火星探测机器人
石油勘探机器人
3 SLAM介绍
3.3 关系图
SPLAM
3 SLAM介绍
3.4 问题与难点： SLAM问题
1） 定位 2） 地图表示
相关问题
1） 环境特征的提取 2） 数据关联 3） 噪声的处理
3 SLAM介绍
3.5 SLAM模型
3 SLAM介绍
3.1 SLAM（simultaneous localization and mapping）：
实时定位与地图构建，是实现真正全自主移动机器 人的关键。
SLAM问题
机器人在未知环境中从一个未知位置 开始移动,在移动过程中根据位置估计和 已建立的地图进行自身定位,同时在自身 定位的基础上建造增量式地图
2 国内外研究现状
2.1.1 国外研究现状
国外水下机器人美国、加拿大、英国、法国、德国、意大利、 俄罗斯、日本等国处于领先地位。具有代表性的有如下几个研究 单位：
1）美国麻省理工学院的Sea Grant‘s AUV 实验室、Marine Robotics Group
2）美国海军研究生院（Naval Postgraduate School ）的智能 水下运载器研究中心
1 水下机器人介绍
1.3 难点：
1) 水下环境多变 2) 缺乏海底地图 3）电池问题 4）信息传输问题
2019/6/3
1 水下机器人介绍
1.4 应用领域：
1）军用： 武器打捞、清除水雷、海底搜救、发现入侵者等 2）民用： 海底打捞、海上石油天然气开发、海底伐木、大坝和水 路及港口检测、水产养殖、水下训练和航运及核设施检查等 3）科研： 海洋探测、海底观察、绘制海底地图等
4 EKF-SLAM
4.2.1 EKF状态预测 — k时刻
预测k+1时刻的状态：
X k1,k k1,k X k BkUk Wk
k1,k Bk 过程雅阁比矩阵（系数阵）
Wk 过程噪声 Uk 控制输入
Xk 状态向量
X k1,k 状态预测向量
美国海军研究生院
美国麻省理工学院
凤凰号
Odyssey IV 水下机器人
2 国内外研究现状
2.1.1 国外研究现状 美国航天局喷气推进实验室
Woods Hole Oceanographic Institution
SOLO-TREC
REMUS 100
2 国内外研究现状
2.1.1 国外研究现状
Ocean Server
1) 中科院沈阳自动化所 2) 上海交通大学 3) 哈尔滨工业大学 4) 哈尔滨工程大学 5) 东北大学 6) 中国海洋大学 7) 浙江大学 8) 华中科技大学 9) 天津大学
2 国内外研究现状
2.1.2 国内研究现状 中科院沈阳自动化研究所
“探索者”
“潜龙一号”
2 国内外研究现状
2.1.2 国内研究现状
2）AUV（Autonomous Underwater Vehicle）：
是指新一代水下机器人，具有活动范围大、机动性好、安全、智能化 等优点，成为完成各种水下任务的重要工具。无缆水下机器人具有活动范 围不受电缆限制，隐蔽性好等优点。
3）水下滑翔机
水下滑翔机是一种新型的水下机器人。由于其利用净浮力和姿态角 调整获得推进力，能源消耗极小，缺点是速度慢。
观测方程可以表示为：
zk hk (xik ,l jk) vk
4 EKF-SLAM
4.1 滤波发展史
传统滤波 维纳滤波
卡尔曼滤波
扩展卡尔曼滤波
数据融合的一种方法
….
信号、噪声不 同频带 平稳随机噪声
线性状态空间
非线性空间
4 EKF-SLAM
4.2 扩展卡尔曼滤波
Extended Kalman Filter，简称EKF，将卡尔曼滤波理论进一步应 用到非线性领域。
水下机器人EKF_SLAM算法
报 告 人：邵欣慧
2015年6月30日
马航事件
2014年3月8日8时26分，中新社电：马来西亚航 空公司表示，一架载有239人的飞机失去联系。
“Bluefin-21”（蓝鳍金枪鱼）
世界上最先进的AUV
目录
1
水下机器人介绍
2
国内外研究现状
3
SLAM介绍
4
EKF介1.2 国内研究现状
中国海洋大学
C-Ranger-1
C-Ranger-2 （神龙号）
旗鱼-2
3 SLAM介绍
解决
实时定位与地图构建 算法（SLAM算法）
SLAM问题：关于机器 人定位与地图建模问题
EKF-SLAM
iSAM
UKF-SLAM
…
SEIF
用扩展卡尔曼滤波理 论来解决SLAM问题
3 ） 美 国 夏 威 夷 大 学 的 自 动 化 系 统 实 验 室 （ Autonomous Systems Laboratory）
4）英国的海事技术中心（Marine Technology Center） 5）日本东京大学的机器人应用实验室 6）悉尼大学
2 国内外研究现状
2.1.1 国外研究现状
加拿大英属哥伦比亚大学
Iver2 AUV
Gavia
2 国内外研究现状
2.1.1 国外研究现状
夏威夷大学
日本东京大学
ODIN
Tantan AUV
2 国内外研究现状
2.1.1 国外研究现状
英国
Autosub-1
Autosub6000
2 国内外研究现状
2.1.2 国内研究现状
国内虽然研究水下机器人的单位不多，例如: